知识卡片
并行机器学习文集提供比较路线
《Scaling Up Machine Learning: Parallel and Distributed Approaches》(2012)在原书推荐点评中被作为比较不同计算范型的入口,覆盖MPI、GPU、MapReduce和Dryad等环境下的学习算法。它的价值在于把并行化方式与算法需求一起比较,而不是证明某个框架在所有任务上最好。本次只读了本书的推荐点评,未逐篇读完该文集,不能声称已验证其中算法。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 附录B 延伸阅读
原书出处 · 1 处
- 延伸阅读 · 查看原书依据
点评:这是一本有关分布式机器学习的论文集,集中介绍了基于MPI、GPU、MapReduce、Dyrad等各种不同的分布式计算泛型下的诸多常见及前沿机器学习算法的并行版本,对于全面、系统地了解分布式机器学习架构与算法有很大的帮助。
参考来源
- 位置:《大数据日知录:架构与算法》附B(源文件:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00024.html)
- 结论依据:本章实际原文及必要原图;产品与性能描述保留2014年版本范围。校正的官方入口及实际阅读范围见50-root-official.json。
- 原始内容:点评:这是一本有关分布式机器学习的论文集,集中介绍了基于MPI、GPU、MapReduce、Dyrad等各种不同的分布式计算泛型下的诸多常见及前沿机器学习算法的并行版本,对于全面、系统地了解分布式机器学习架构与算法有很大的帮助。